BriefGPT - AI 论文速递
·
评估 SAR ATR 的合成 - 测量对抗脆弱性
💡
原文约400字/词，阅读约需1分钟。
📝
内容提要
本文研究了基于深度神经网络的合成孔径雷达自动目标识别系统对对抗性攻击的脆弱性，并提出了一种无需直接访问受害者模型或测量数据的方法，通过合成数据生成对抗扰动并迁移到受害者模型上。该方法优于目前的最先进方法，并可提升计算机视觉和遥感应用中的各种攻击算法。
🎯
关键要点
-
研究了基于深度神经网络的合成孔径雷达自动目标识别系统的脆弱性。
-
提出了一种无需直接访问受害者模型或测量数据的方法。
-
通过合成数据生成对抗扰动并迁移到受害者模型上。
-
提出了一种转移能力估计攻击方法，通过对合成和测量数据的相似性进行盲目估计和优化。
-
在不掌握受害者模型和数据的情况下实现可行的替代模型增强。
-
基于SAMPLE数据集的评估表明，该方法优于目前的最先进方法。
-
该方法可以显著提升计算机视觉和遥感应用中的各种攻击算法。
➡️
